Python - Đọc Ký tự Unicode Biểu tượng cảm xúc

Question

Tôi có chương trình Python 2.7 đọc tin nhắn văn bản iOS từ cơ sở dữ liệu SQLite. Các tin nhắn văn bản là các chuỗi unicode. Trong tin nhắn văn bản sau đây:

u'that\u2019s \U0001f63b' 

Các dấu nháy đơn được thể hiện bằng \u2019, nhưng biểu tượng cảm xúc được thể hiện bằng \U0001f63b. Tôi đã tra cứu điểm mã cho biểu tượng cảm xúc được đề cập đến, và là \uf63b. Tôi không chắc chắn nơi xuất hiện của 0001. Tôi biết rất ít về mã hóa ký tự.

Khi tôi in văn bản, từng ký tự, sử dụng: Chương trình

s = u'that\u2019s \U0001f63b' 

for c in s: 
    print c.encode('unicode_escape') 

Các xuất ra như sau:

t 
h 
a 
t 
\u2019 
s 

\ud83d 
\ude3b 

Làm thế nào tôi có thể đọc một cách chính xác những ký tự cuối cùng trong Python? Tôi có sử dụng mã hóa chính xác ở đây không? Tôi chỉ nên cố gắng để thùng rác những người 0001 s trước khi đọc nó, hoặc là có một cách dễ dàng hơn, ít ngớ ngẩn?

Answer 1

Tôi không nghĩ rằng bạn đang sử dụng mã hóa chính xác, cũng như bạn không cần. Những gì bạn có là một chuỗi unicode hợp lệ với một chuỗi gồm 4 chữ số và 8 chữ số thoát. Hãy thử điều này trong REPL trên, nói rằng, OS X

>>> s = u'that\u2019s \U0001f63b' 
>>> print s 
that’s 

Trong python3, mặc dù -

Python 3.4.3 (default, Jul 7 2015, 15:40:07) 
>>> s = u'that\u2019s \U0001f63b' 
>>> s[-1] 
'' 

Answer 2

phần cuối cùng của bạn về sự nhầm lẫn có thể do thực tế là bạn đang chạy những gì được gọi là một " xây dựng Python hẹp ". Python không thể giữ một ký tự đơn với đủ thông tin để giữ một biểu tượng cảm xúc duy nhất. Giải pháp tốt nhất là chuyển sang Python 3. Nếu không, hãy thử xử lý UTF-16 surrogate pair.